Fugu-MT 論文翻訳(概要): HollowNeRF: Pruning Hashgrid-Based NeRFs with Trainable Collision Mitigation

論文の概要: HollowNeRF: Pruning Hashgrid-Based NeRFs with Trainable Collision Mitigation

arxiv url: http://arxiv.org/abs/2308.10122v1
Date: Sat, 19 Aug 2023 22:28:17 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 17:36:49.811170
Title: HollowNeRF: Pruning Hashgrid-Based NeRFs with Trainable Collision Mitigation
Title（参考訳）: HollowNeRF: トレーニング可能な衝突緩和型Hashgrid系NeRF
Authors: Xiufeng Xie, Riccardo Gherardi, Zhihong Pan, Stephen Huang
Abstract要約: ハッシュグリッド型ニューラル放射場(NeRF)に対する新しい圧縮解を提案する。 HollowNeRFは、トレーニングフェーズ中に自動的にフィーチャーグリッドを分散する。提案手法は,パラメータの31%しか利用せず,Instant-NGPに匹敵するレンダリング品質を提供する。
参考スコア（独自算出の注目度）: 6.335245465042035
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Neural radiance fields (NeRF) have garnered significant attention, with recent works such as Instant-NGP accelerating NeRF training and evaluation through a combination of hashgrid-based positional encoding and neural networks. However, effectively leveraging the spatial sparsity of 3D scenes remains a challenge. To cull away unnecessary regions of the feature grid, existing solutions rely on prior knowledge of object shape or periodically estimate object shape during training by repeated model evaluations, which are costly and wasteful. To address this issue, we propose HollowNeRF, a novel compression solution for hashgrid-based NeRF which automatically sparsifies the feature grid during the training phase. Instead of directly compressing dense features, HollowNeRF trains a coarse 3D saliency mask that guides efficient feature pruning, and employs an alternating direction method of multipliers (ADMM) pruner to sparsify the 3D saliency mask during training. By exploiting the sparsity in the 3D scene to redistribute hash collisions, HollowNeRF improves rendering quality while using a fraction of the parameters of comparable state-of-the-art solutions, leading to a better cost-accuracy trade-off. Our method delivers comparable rendering quality to Instant-NGP, while utilizing just 31% of the parameters. In addition, our solution can achieve a PSNR accuracy gain of up to 1dB using only 56% of the parameters.
Abstract（参考訳）: neural radiance fields (nerf)は、instant-ngpaccelerated nerfトレーニングや、hashgridベースの位置符号化とニューラルネットワークの組み合わせによる評価など、多くの注目を集めている。しかし、3Dシーンの空間的空間性を効果的に活用することは依然として課題である。機能グリッドの不要な領域を排除するために、既存のソリューションは、コストと無駄な繰り返しモデル評価によって、トレーニング中のオブジェクト形状の事前知識や、オブジェクト形状を定期的に見積もる。この問題に対処するために,HollowNeRFを提案する。HollowNeRFはハッシュグリッドベースのNeRFのための新しい圧縮ソリューションで,トレーニング期間中に自動的に特徴グリッドを分散させる。密集した特徴を直接圧縮する代わりに、HollowNeRFは効率的な特徴プレーニングを誘導する粗い3Dサリエンシマスクを訓練し、トレーニング中に3Dサリエンシマスクをスパビライズするために乗算器(ADMM)プルーナーの交互方向法を使用している。 HollowNeRFは、3Dシーンの間隔を利用してハッシュ衝突を再分配することで、同等の最先端ソリューションのパラメータのごく一部を使用しながら、レンダリング品質を向上させる。提案手法は,パラメータの31%しか利用せず,Instant-NGPに匹敵するレンダリング品質を提供する。さらに,パラメータの56%のみを用いてPSNR精度を最大1dBまで向上させることができる。

関連論文リスト

DM3D: Distortion-Minimized Weight Pruning for Lossless 3D Object Detection [42.07920565812081]
本稿では,3次元物体検出のための新しいトレーニング後の重み付け手法を提案する。事前訓練されたモデルにおける冗長パラメータを決定し、局所性と信頼性の両方において最小限の歪みをもたらす。本フレームワークは,ネットワーク出力の歪みを最小限に抑え,検出精度を最大に維持することを目的とする。
論文参考訳（メタデータ） (2024-07-02T09:33:32Z)
Neural NeRF Compression [19.853882143024]
最近のNeRFは、レンダリング品質とスピードを改善するために機能グリッドを利用している。これらの表現は、大きなストレージオーバーヘッドをもたらす。本稿では,グリッドベースNeRFモデルを効率よく圧縮する新しい手法を提案する。
論文参考訳（メタデータ） (2024-06-13T09:12:26Z)
Spatial Annealing Smoothing for Efficient Few-shot Neural Rendering [106.0057551634008]
我々は,Spatial Annealing smoothing regularized NeRF (SANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。単に1行のコードを追加することで、SANeRFは現在の数ショットのNeRF法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
論文参考訳（メタデータ） (2024-06-12T02:48:52Z)
N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。本手法は, 視認性, 深度, 外観特性を忠実に近似する。
論文参考訳（メタデータ） (2024-05-25T13:54:34Z)
Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。各種タスクにおけるMesh2NeRFの有効性を検証する。
論文参考訳（メタデータ） (2024-03-28T11:22:53Z)
Fast Training of Diffusion Transformer with Extreme Masking for 3D Point Clouds Generation [64.99362684909914]
我々は,効率的な3次元点雲生成に適したマスク付き拡散変圧器であるFastDiT-3Dを提案する。また,新しいボクセル対応マスキング手法を提案し,ボクセル化点雲から背景・地上情報を適応的に集約する。本手法は, マスキング比が99%近い最先端性能を実現する。
論文参考訳（メタデータ） (2023-12-12T12:50:33Z)
CAwa-NeRF: Instant Learning of Compression-Aware NeRF Features [0.0]
本稿では,圧縮対応NeRF特徴量(CAwa-NeRF)の即時学習について紹介する。提案したインスタントラーニングパイプラインは,様々な静的シーンにおいて印象的な結果が得られる。特に、単一のオブジェクトをマスクした背景シーンでは、CAwa-NeRFはPSNR (33 dB) を損なうことなく、元のサイズの機能グリッドを6% (1.2 MB) まで圧縮し、わずかに仮想損失 (32.31 dB) の2.4% (0.53 MB) まで圧縮する。
論文参考訳（メタデータ） (2023-10-23T08:40:44Z)
VQ-NeRF: Vector Quantization Enhances Implicit Neural Representations [25.88881764546414]
VQ-NeRFは、ベクトル量子化による暗黙の神経表現を強化するための効率的なパイプラインである。圧縮および原スケールの両スケールでNeRFモデルを同時に最適化する,革新的なマルチスケールNeRFサンプリング方式を提案する。我々は3次元再構成の幾何学的忠実度とセマンティックコヒーレンスを改善するためにセマンティックロス関数を組み込んだ。
論文参考訳（メタデータ） (2023-10-23T01:41:38Z)
MF-NeRF: Memory Efficient NeRF with Mixed-Feature Hash Table [62.164549651134465]
MF-NeRFは,Mixed-Featureハッシュテーブルを用いてメモリ効率を向上し,再構成品質を維持しながらトレーニング時間を短縮するメモリ効率の高いNeRFフレームワークである。最新技術であるInstant-NGP、TensoRF、DVGOによる実験は、MF-NeRFが同じGPUハードウェア上で、同様のあるいはそれ以上のリコンストラクション品質で最速のトレーニング時間を達成できることを示唆している。
論文参考訳（メタデータ） (2023-04-25T05:44:50Z)
EfficientNeRF: Efficient Neural Radiance Fields [63.76830521051605]
我々は,3次元シーンを表現し,新しい映像を合成する効率的なNeRF法として,EfficientNeRFを提案する。本手法は, トレーニング時間の88%以上を短縮し, 200FPS以上のレンダリング速度を達成できるが, 競争精度は高い。
論文参考訳（メタデータ） (2022-06-02T05:36:44Z)
Point-NeRF: Point-based Neural Radiance Fields [39.38262052015925]
Point-NeRFは、放射場をモデル化するために、関連するニューラル特徴を持つニューラル3Dポイントクラウドを使用する。レイマーキングベースのレンダリングパイプラインにおいて、シーン表面近傍の神経点特徴を集約することで効率よくレンダリングすることができる。 Point-NeRFは、他の3次元再構成手法と組み合わせて、新しいプルーニング・成長機構を通じてエラーやアウトレーラを処理することができる。
論文参考訳（メタデータ） (2022-01-21T18:59:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。